Perché i dati delle immagini sono più difficili da proteggere dei testi

Il testo è pericoloso perché le persone scrivono segreti. Le immagini sono pericolose perché le persone li includono accidentalmente.

Un prompt testuale può dire, “crea un’immagine di lancio per il nostro prodotto non ancora rilasciato”. Questo è sensibile. Ma una foto può rivelare il prodotto non ancora rilasciato, l’ufficio, la lavagna bianca sullo sfondo, il badge sulla camicia di una persona, il numero di serie su un dispositivo, il volto di un dipendente e il fatto che tutti usano ancora quella triste sala conferenze.

Le immagini racchiudono molti tipi di dati in un unico oggetto. Contenuto visibile: volti, corpi, stanze, documenti, schermi, veicoli, bambini, indirizzi, uniformi, condizioni mediche, contesti religiosi e cose costose. Possono esserci anche metadati: timestamp, informazioni sul dispositivo, dati di localizzazione, cronologia dei file, impostazioni della fotocamera e tracce di modifica.

Anche quando i metadati vengono rimossi, l’immagine stessa può contenere contesto. Una cucina distintiva può identificare una casa. Un’uniforme scolastica può identificare un bambino. Un prodotto raro può identificare un cliente. Una finestra sullo sfondo può identificare una strada. Un volto può identificare una persona. Un tatuaggio, un’andatura, una mano o una cicatrice possono identificare anche loro. Le immagini sono indiscrete per impostazione predefinita.

Questo rende l’anonimizzazione più difficile. Rimuovere un nome dal testo non è la stessa cosa che de-identificare in modo sicuro un’immagine. Sfoca il volto e la stanza potrebbe comunque identificare la persona. Ritaglia lo sfondo e il prompt potrebbe comunque portare contesto. Rimuovi i metadati e il contenuto potrebbe comunque essere sufficiente.

I workflow di immagini con AI aggiungono derivati generati. Una singola foto caricata può creare molti output: anteprime, miniature, maschere, embedding, eventi di moderazione e log. Ogni derivato può contenere una parte della sensibilità originale. Proteggere l’originale non basta se i derivati vengono lasciati vagare nell’infrastruttura come snack d’ufficio incustoditi.

La risposta pratica è la minimizzazione. Non acquisire più immagini del necessario. Rimuovi i metadati quando non sono richiesti. Evita di conservare i file sorgente. Evita le cronologie dei prompt che descrivono il contesto sensibile. Mantieni i derivati generati per poco tempo, a meno che l’utente non decida deliberatamente di salvarli. Usa l’elaborazione privata per volti, case, bambini, immagini mediche e lavori per clienti.

La privacy del testo conta. La privacy delle immagini è solo più disordinata perché l’utente potrebbe non sapere cosa contiene l’immagine finché non è già uscita dal suo dispositivo.

Ulteriore lettura: I dati biometrici nascosti nelle normali foto dei prodotti, Come un innocuo ritocco fotografico diventa un problema di dati e Perché “Noi lo anonimizziamo” non calma nessuno.